A multi-objective optimization approach for sustainable management of computers E-waste in a closed-loop supply chain network
Notice bibliographique
Résumé
This study explores the integration of reverse and forward supply chains in a Closed-Loop Supply Chain (CLSC) for electronic waste management , driven by business and government regulatory concerns. It highlights the economic benefits and efficient management of Electronic Waste (E-waste), particularly focusing on End-of-Life (EoL) products to tackle the global E-waste crisis. This research introduces a novel multi-objective mixed-integer linear programming model adapted for an E-waste CLSC network. This model incorporates hybrid manufacturing facilities and Triple Bottom Line (TBL) objectives to maximize profits and social innovations while minimizing gas emissions to reduce landfill waste. An application involving a computer manufacturing network in Ontario , Canada, utilizing Google Maps for distance calculations, illustrates the design and optimization impact of an electronic CLSC network. This study employs computational experiments and sensitivity analyses, using three solution methods, including weighted-sum, ε -constraint, and hybrid approaches within a multiperiod framework to validate the model's robustness. These methods help decision-makers integrate a TBL approach into the CLSC network which reflects economic, environmental, and social factors. By generating Pareto optimal solutions using these methods, decision-makers can evaluate different options through trade-off analysis. The findings show that the ε -constraint method offers a greater number of efficient solutions, enabling a better balance of objectives. Finally, this study concludes with managerial insights and recommendations based on the research outcomes. The findings provide insights into product and part flows, facilities utilization, and distribution across the network segments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».